對話亞馬遜AWS副總裁：95%的創新來自客戶需求，雲端計算讓AI民主化
亞馬遜 AWS 副總裁 Swami 接受鈦媒體採訪。拍攝：蘇建勳
對於大部分公司來說，本週（9月17日-19日）在上海舉行的世界人工智慧大會，無疑是一個展現自身 AI 例項的絕佳舞臺。
作為國內人工智慧領域迄今級別最高的行業活動，BAT、科大訊飛、小米、谷歌、亞馬遜等企業高管均出席或發表演講。馬雲從社會層面對機器與人類關係的解讀，李彥巨集以技術出發討論企業掌握 AI 命脈的方法論，高管的演講，傳達出的是不同公司對人工智慧的戰略差異。
其中，來自亞馬遜 AWS 副總裁 Swami Sivasubramanian （斯瓦米•西瓦蘇布拉曼尼，以下簡稱 Swami）的展示就有些與眾不同。
在 Swami 不到20分鐘的演講中，單是提及的客戶案例，就包括了英特爾、GE、美國橄欖球聯盟、GE、英特爾、Tinder、穆迪、英語流利說、F1方程賽車、圖森等超過10家公司，可以說，客戶層面的案例面貌，甚至比 Swami 介紹 AWS 自身的內容還要多得多。
Swami 在2018世界人工智慧大會上展示出的亞馬遜 AWS 客戶列表
事實上，這樣的行事風格，不僅體現在 Swami 的一場演講， 在整個亞馬遜AWS的服務體系中，“客戶”是其圍繞的唯一核心。
在亞馬遜成立早期，其創始人傑夫·貝佐斯（Jeff Bezos）曾說過這樣一段話：“我們希望把亞馬遜打造成為世界上最以客戶為本的一家公司，我們不用關注競爭對手，也不用管別人在做什麼，只需要關注客戶。”
當然，在任何一種商業體的運營策略中，“以客戶為中心”都不會是一個過時的方法論。因此，為了將這句話不再淪為一個口號，AWS 以及整個亞馬遜，都將客戶層面的需求，緊密融合在具體產品、業務、內部組織的推動程序中。
從具體的執行層面來看，2006年亞馬遜推出 AWS 雲端計算服務時，其宗旨就是將原本造價高昂的雲端資源與運算能力，用更彈性、經濟的方式分配給中小企業；到了2015年，亞馬遜開始嘗試將這種資源利用的“民主化”轉移到人工智慧產品，具體的做法包括將內部一些機器學習的服務打包，相繼推出 Amazon Machine Learning（機器學習平臺）、Rekognition（影象識別平臺）、Polly（語音識別平臺）等 AI 應用。
在去年11月，亞馬遜AWS在美國宣佈推出 Amazon SageMaker，這款可以直譯為“魔法生成器”的產品，將人工智慧系統最開始的蒐集資料；甄選平臺、框架和模型演算法；到用這些資料訓練模型，找到這些模型關鍵的引數和配置，再到機器學習裡最後一步“推斷（Inference）”——全部流程都可以通過“魔法生成器”來實現。
通過對 AI 系統複雜部署方式的產品化，Amazon SageMaker 讓原來需要10-20多個博士級人工智慧專家需要操作9個月的專案，縮短至僅受過一些訓練的人員花3-4周就可以完成一個模型。這大大加快了人工智慧在實際中的使用和應用的速度。
可以說，亞馬遜拓展 AI 的終極目標實則相當樸素：就是把人工智慧這樣一個複雜的、需要專業人士來運營的技術，交到普通的資料分析師、軟體開發、甚至是業務人員手裡。
而在降低 AI 產品門檻的同時，亞馬遜在內部組織管理方面，也時刻體現出“以客戶為核心”的烙印。
在今年9月 AWS 峰會北京站，亞馬遜 AWS CTO 沃納·威格爾（Werner Vogels）穿著一件遊戲公司 Fortnite （自然也是 AWS 的客戶）的T恤衫亮相，在接受採訪時 Werner 談到：“說句實在話，我也不知道我管理了多少人員。”
亞馬遜 CTO 沃納·威格爾（Werner Vogels）
由於 AWS 採用去中心化的人員架構，有多少產品服務類別，就可以對應多少團隊，且每個團隊有獨立的負責人，而這種“自恰式”的自主管理方式，自然是為了能更有主觀能動性地對客戶的需求提供響應。
“在亞馬遜 AWS，我們90%到95%的新專案都是基於客戶給我們的反饋，剩下5%也是從客戶角度出發所做得創新嘗試。”Swami 對鈦媒體說到。
根據 Swami 透露，目前在亞馬遜 AWS 上使用機器學習服務的企業已經數以萬計，呼叫量同比去年增長了250%，超過80%的客戶都是跑在AWS的雲端計算上，在中國的客戶包括圖森、小米、獵豹移動、小紅書、流利說，海康威視等。
而在9月17日世界人工智慧大會期間，Swami 也接受了鈦媒體在內的媒體採訪，並對亞馬遜 AWS 的發展策略；亞馬遜對於 AI 落地的看法；以及最新成立的上海亞馬遜人工智慧研究院等情況進行了回覆。
以下為對話實錄，經鈦媒體編輯後釋出：
鈦媒體：和國內眾多 AI 公司相比，您認為亞馬遜 AWS 在 AI 技術積累與應用落地兩個層面的優勢是什麼？
Swami：我們不隨意對競爭對手去做評論，但對於亞馬遜而言，我們更關注的是客戶的需求。
在技術能力方面，亞馬遜關注機器學習已經超過20年。從早期在網上銷售圖書開始，我們就已經使用機器學習的能力給客戶進行推薦以及預測，從而確保整個供應鏈達到進一步優化。不管是SageMaker還是其他工具及技術，亞馬遜提供了最深入、最廣泛的解決方案；
另外，我們也開發了很多系統與工具，比如亞馬遜Alexa，就是通過深度學習來提供語音服務，還有計算視覺技術等等。可以說，在深度學習方面我們已經積累了豐富的經驗，客戶也覆蓋了各個領域。比如醫療領域的 GE、時尚行業、還有一些非營利組織。
鈦媒體：可否談談亞馬遜此次在上海開設的人工智慧研究院的職責是什麼？
Swami：首先，我們希望能從中國本土招聘到最優秀的人才，來關注對開源技術、深度學習以及人工智慧方面的研究。為什麼會在這個時候？最主要的原因是我們已經在和諸如上海紐約大學等學校合作的過程中，發現了非常優秀的人才，所以非常希望能和這些出色的教授、博士生一起關注最先進的技術。
但至於會展開什麼樣的專案，如果大家熟悉亞馬遜對未來發展的規劃，會發現我們90%到95%的新專案，都是基於客戶給予的反饋，剩下5%的專案也是從客戶角度出發做得一部分創新嘗試。
比如我們在考慮到底該怎麼將深度學習運用到資料庫的結構上，或者運用在自然語言處理、計算機視覺技術等等，從而提升資料分析的準確性與可拓展性。
鈦媒體：7月份的時候，您在紐約亞馬遜大會上談到：亞馬遜會用人工智慧和機器學習，去優化公司的結構，這將是另一個創新的領域。可否從 AWS 的角度談一下該如何具體去做？
Swami：對亞馬遜而言，機器學習已經完全深入到業務的方方面面。
亞馬遜每個事業部的負責人都會在年初時提交一個六頁的檔案，來闡述自己在下一年的業務發展規劃，在這份檔案中，所有人必須要回答的一個問題就是：如何更好地利用機器學習，從而對事業部產生改變。
可以說，“機器學習”已經是亞馬遜的DNA所在，不論是亞馬遜官網對機器學習給出的建議，還是我們的物流、Alexa 中使用到的機器推薦、預測能力，都是基於深度學習基礎的產物。
因此，我想整個亞馬遜都可以說是數字驅動、或者是深度機器學習驅動的公司，並不是說機器學習是一件非常酷的事情我們才去做，它已經完全生根在我們每一天的日常業務運作當中。
鈦媒體：AI 目前的落地途徑還是非常有限，您如何看待其中的挑戰和困難？
Swami： 正是因為有云的存在，人工智慧才有了更多的民主化。 如果我們看歷史的發展，人工智慧和機器學習並不是一個全新的概念，最早在30年之前就有深度學習的技術，可為什麼之前深度學習、機器學習沒有大規模的被採納或者說落地呢？也是因為如下幾個原因。
首先，它需要非常大量的資料；另外，機器學習對於CPU、計算能力有非常高的要求，所以在以前，只有大型網際網路公司才具備在資料庫上建立系統的能力；而亞馬遜AWS的出現改變了這樣的狀態。
AWS誕生之後，不一定是大公司，哪怕是小型的初創企業，也可以從零開始使用人工智慧，而且成本非常低；同時我們提供的儲存系統具備很強的可擴充套件性與安全性，也可以按需使用你需要的技術和服務。
鈦媒體：可否舉例談談亞馬遜 AWS 的機器學習平臺能為客戶帶來的價值？
Swami：比如美國的金融科技公司Intuit、醫療行業的百時美施貴寶， 它們經常遇到的挑戰是：公司沒有足夠多的專業人才來建立機器學習的模型，而我們能夠提供的，就是讓使用者方便獲取打造機器學習模型的能力。
Intuit 告訴我們，使用AWS以及SageMaker產品後，他們的機器學習開發時間，從以前的幾個星期減少了90%時間，這也就是為什麼我們能夠通過客戶的口碑相傳，在每一年都能達到250%的速度增長。
從計算資源的角度來講，AWS 是世界最大的雲服務提供商，我們有很多客戶都有大量“跑資料”以及計算的需求。包括我們自己的 Amazon GO和Alexa，像 Amazon GO從攝像機裡捕捉到的資料量是非常大的。
還有F1方程賽所用的賽車，每一輛F1方程賽車上面都有120個感測器，一場比賽產生的資料量在3GB左右，在採用亞馬遜的機器學習平臺來建模之後，F1方程賽可以對過去65年間所有的比賽資料進行分析。所以對於亞馬遜AWS來講，我們有著非常強的計算能力與可拓展性。 （本文首發鈦媒體，採訪、撰文/蘇建勳）
更多精彩內容，關注鈦媒體微信號（ID：taimeiti），或者下載鈦媒體App
